人工智能从视频中识别并学习预测行为模式

卡内基梅隆大学、波恩大学医院和波恩大学的研究人员创建了一个名为 A-SOiD 的开源平台，可以仅从视频中学习和预测用户定义的行为。该研究结果现已发表在《自然方法》杂志上。

卡内基梅隆大学生物科学埃伯利家族副教授埃里克·伊特里 (Eric Yttri) 表示：“这项技术非常适合学习各种动物和人类行为的分类。”“这不仅适用于行为，而且适用于任何存在可识别模式的行为：股票市场、、蛋白质组学。这是一个强大的模式识别机器。”

与许多人工智能(AI) 程序不同，A-SOiD 不是黑匣子。相反，研究人员允许程序重新学习它做错了什么。他们首先使用数据集的一小部分来训练程序，重点关注程序中较弱的信念。如果程序不确定，算法将强化训练数据的可信度。

最近攻读博士学位的 Alex Hsu 表示，由于 A-SOiD 被教导要关注算法的不确定性，而不是对所有数据一视同仁。卡内基梅隆大学的校友表示，它避免了其他人工智能模型中常见的偏见。

人工智能工具公正地对待数据集中的每个类别

“这是一种不同的输入数据方式，”许说。“通常情况下，人们会使用他们正在寻找的任何行为的整个数据集。他们很少了解数据可能会不平衡，这意味着他们的集合中可能存在代表性良好的行为，而在他们的集合中可能存在代表性较差的行为然后，这种偏差可以从预测过程传播到实验结果。我们的算法仅通过向较弱的学习来处理数据平衡。我们的方法能够更好地公平地代表数据集中的每个类。

由于 A-SOiD 是以监督方式进行训练的，因此它可以非常精确。如果给定数据集，它可以确定一个人的正常颤抖与帕金森病患者的颤抖之间的差异。它还可以作为两年前发布的无监督行为分割平台 B-SOiD 的补充方法。

除了是一个有效的程序之外，A-SOiD 还易于访问，能够在普通计算机上运行，​​并且可以在 GitHub 上开源。